final为最终代码，其他为测试代码，有向无环图进行拓扑排序若不是DAG则输出圈

云环境中dag调度算法的设计与实现.doc

一种基于模糊聚类的网格DAG 任务图调度算法

K2算法是近二十年来贝叶斯网络中最著名的基于分数的算法。 具体来说，它以 DAG 的形式有效地恢复了底层分布。 详情请参考Cooper发表的论文[1] 请从“ControlCentor.m”开始，这里有一个简单的例子来理解如何使用我们的代码。 如果有任何问题，请告诉我，我会尽快帮助您。 我用mex编程重写了K2，如果你知道怎么编译，请试试K2.c，因为这段代码可以处理1000个变量的变量，效率很高。 它在 32 位和 64 位 linux 下进行了测试。 [1] G. Cooper 和 E. Herskovitz，从数据中归纳概率网络的贝叶斯方法，机器学习9 (1992), 330–347。 如果您使用此代码，请引用我们的论文： Bielza, C., Li, G. & Larrañaga, P. (2011)。 贝叶斯网络的多维分类。 国际近似推理杂志，第52卷，第705-7

imagenet-googlenet-dag网络测试代码，将编译好的matconvnet-25放进去之后可以直接调用运行，且已经放进googlenet_dag模型

给定邻接矩阵格式的 DAG，此代码将确定节点的拓扑排序，并使用该排序有效地计算 DAG 的传递归约。 该包还包含生成随机非传递 DAG 以及派生传递 DAG 作为算法测试用例的代码。 包括将生成的 DAG 写入图形文件格式 .sif 或 .dot 以进行可视化的函数。 代码是作为 GraphViz 工具 tred 的替代而开发的，它在一些中等大小但高度连接的 DAG 上具有难以置信的长运行时间（请参阅包中包含的文件 tred_vs_dag_trans_red.pdf）。

此函数返回任何图 (DAG) 的有向拉普拉斯矩阵。 这是下面提到的论文的直接实现。 Graph Laplacian 使用以下公式计算L = I - (Phi^{1/2} * P * Phi^{-1/2} + Phi^{-1/2} * P^T * Phi^{1/2} ) / 2 在哪里， I ：单位矩阵， Phi ：对角线上 P 的 Perron 向量和其他地方为零的矩阵，以及P : 图的转移矩阵。 这个值取决于步行图探索的类型。 !! 当前实现仅包括“PageRank”步行类型。 !! 未来实施计划：“随机游走” 参考论文： Chung, F. (2005)。 有向图的拉普拉斯算子和 Cheeger 不等式。 组合年鉴，9（1），1-19。

DAG任务模型的粒子群优化调度算法.pdf

网格环境下的有依赖关系的任务的调度算法（简称DAG图），并且在Simgrid 环境下运行成功。

该挖矿工具是圣骑士工具，内核15.0版本；以太坊、ETH挖矿工具、解决4G显存DAG报错。